模型运行与成本
哪个模型能让这条工作流在真实运行中既可靠又负担得起？
用任务证据、完整成本、隐私、延迟、基线和恢复约束选择并运行模型，而不是照搬通用榜单。
AI VISTA / DECISION01 / 03
当前判断真正有用的优胜者，是在你的运行约束内通过真实案例的模型。
01输入
02验收
03边界
带回真实任务复核✓
判断分支
不要从工具名开始。
- 先问↓
缺的是事实、标准，还是模型能力？
- 如果↓
结果可核验且出错代价受控，再扩大自动化。
- 否则✓
缩小动作范围，保留人工交接和恢复路径。
完整案例
工单分类模型，榜单第一并不一定是运行中的优胜者。
候选模型在公开基准上接近，但真实流程还受中英文混合输入、峰值延迟、工具调用、重试次数、人工改判和预算约束影响。
最终产物一张场景化模型评分表，加上一份包含重试、工具、人工与恢复成本的运行成本图。
01错误捷径
比较单次 token 单价和一个通用准确率，选出分数最高的模型后直接替换生产版本。
02更好的判断
用真实任务切片设置权重，同时记录端到端延迟、重试、工具费、人工复核与失败恢复；把当前模型保留为明确基线。
03如何验收
回放一周任务并进行小流量观察。候选模型在质量门槛内满足延迟和成本上限，人工改判没有集中增加，切换失败时可回到基线。
进入与离开信号
知道何时进入，也要知道什么时候已经足够。
主题页不是无限深入的知识目录。进入信号帮助你判断当前问题是否属于这一层；完成信号用来决定是否继续下一主题，而不是用阅读时长代替成果。
01从这里进入
- 选型只看通用榜单或单次价格
- 重试、工具和人工复核成本未计入
- 上线后没有基线、回退和漂移信号
02达到这些信号后离开
- 候选模型在同一真实案例上比较
- 质量、延迟、成本和恢复共同进入评分
- 有限发布可观察、可停止并可回到基线
不适用边界
这个主题页不会替你做什么？
运行评分表用于当前工作流的相对选择，不代表跨任务、跨版本或跨供应商的永久排名。
01不要只按公开榜单或 token 单价选模型02不要把重试、工具和人工修复藏在单次调用成本里03没有基线和回退路径，就不要直接切换生产模型
当质量、延迟、成本、隐私和恢复都能在同一批案例上比较，就收进成果记录并安排复测。